Anakin

Anakin2.0

Willkommen im Anakin Github.

Anakin ist eine plattformübergreifende Hochleistungs-Inferenzmotor, die ursprünglich von Baidu-Ingenieuren entwickelt wurde und eine groß angelegte Anwendung von Industrieprodukten ist.

Weitere Informationen finden Sie in unserer Veröffentlichung, um die neueste Funktion von Anakin zu verfolgen.

Merkmale

• Flexibilität

  Anakin ist eine plattformübergreifende, leistungsstarke Inferenz-Engine, unterstützt eine breite Palette neuronaler Netzwerkarchitekturen und verschiedene Hardwareplattformen. Es ist einfach, Anakin auf der GPU / X86 / ARM -Plattform zu betreiben.

  Anakin hat sich in Nvidia Tensorrt und Open Source integriert. Dieser Teil der integrierten API zur Bereitstellung von Diensten können Entwickler die API direkt aufrufen oder sie bei Bedarf ändern, was für die Entwicklungsanforderungen flexibler ist.

• Hohe Leistung

  Um der Hardware -Leistung volles Spiel zu verleihen, haben wir die Vorhersage auf verschiedenen Ebenen optimiert.

  • Automatische Graphfusion. Das Ziel aller Leistungsoptimierungen unter einem bestimmten Algorithmus ist es, die ALU so stark wie möglich zu gestalten. Die Fusion des Bedieners kann den Speicherzugriff effektiv reduzieren und die ALU beschäftigt.

  • Speicher Wiederverwendung. Die Vorhersage ist eine Einweg-Berechnung. Wir verwenden den Speicher zwischen Eingabe und Ausgabe verschiedener Operatoren wieder, wodurch der Gesamtspeicheraufwand reduziert wird.

  • Optimierung der Montagepegel. Sabre ist eine zugrunde liegende DNN -Bibliothek für Anakin, die auf Montagestufe zutiefst optimiert ist.

NV GPU -Benchmark

Maschine und Umgebung

CPU: Intel(R) Xeon(R) CPU 5117 @ 2.0GHz
GPU: Tesla P4
CUDA: CUDA8
CUDNN: v7

• Zeit: Aufwärmen 10 ， 1000 -mal laufen, um die durchschnittliche Zeit zu erhalten
• Latenz ( ms ) und Speicher (MB) verschiedener Charge

Das Gegenstück von Anakin ist der anerkannte Hochleistungs -Inferenzmotor NVIDIA TensorRT 5 , die Modelle, die Tensorrt 5 nicht unterstützt. Wir verwenden die benutzerdefinierten Plugins zur Unterstützung.

VGG16

Batch_size	RT -Latenz FP32 (MS)	Anakin2 Latenz FP32 (MS)	RT -Speicher (MB)	Anakin2 -Speicher (MB)
1	8.52532	8.2387	1090.89	702
2	14.1209	13.8772	1056.02	768.76
4	24.4529	24.3391	1002.17	840.54
8	46.7956	46.3309	1098.98	935.61

Resnet50

Batch_size	RT -Latenz FP32 (MS)	Anakin2 Latenz FP32 (MS)	RT Latenz int8 (MS)	Anakin2 Latenz int8 (MS)	RT -Speicher FP32 (MB)	Anakin2 Memory FP32 (MB)
1	4.6447	3.0863	1.78892	1.61537	1134,88	311.25
2	6.69187	5.13995	2.71136	2.70022	1108.86	382
4	11.1943	9.20513	4.16771	4.77145	885.96	406.86
8	19.8769	17.1976	6.2798	8.68197	813.84	532.61

Resnet101

Batch_size	RT -Latenz (MS)	Anakin2 Latenz (MS)	RT Latenz int8 (MS)	Anakin2 Latenz int8 (MS)	RT -Speicher (MB)	Anakin2 -Speicher (MB)
1	9.98695	5.44947	2.81031	2.74399	1159.16	500,5
2	17.3489	8.85699	4.8641	4.69473	1158.73	492
4	20.6198	16.8214	7.11608	8.45324	1021.68	541.08
8	31.9653	33.5015	11.2403	15.4336	914.49	611.54

X86 CPU -Benchmark

Maschine und Umgebung

CPU: Intel(R) Xeon(R) CPU E5-2650 v4 @ 2.20GHz mit HT für den FP32-Test
CPU: Intel(R) Xeon(R) Gold 6271 CPU @ 2.60GHz mit HT, für den Int8 -Test
System: CentOS 6.3 mit GCC 4.8.2 für Benchmark zwischen Anakin und Intel Caffe

• Alle Tests aktivieren 8 thread parallel
• Zeit: Aufwärmen 10 ， 200 -mal laufen, um die durchschnittliche Zeit zu erhalten

Das Gegenstück von Anakin ist Intel Cafe (1,1,6) mit MKLML.

Net_name	Batch_size	Anakin2 Latenz (2650v4) FP32 (MS)	Kaffe Latenz (2650v4) FP32 (MS)	Anakin2 Latenz int8 (6271) (MS)
resnet50	1	20.6201	24.1369	3.20866
resnet50	2	39.2286	43.1096	5.44311
resnet50	4	77.1392	81.8814	9.93424
resnet50	8	152.941	158.321	19.5618
VGG16	1	55.6132	70.532	15.3181
VGG16	2	96.5034	131.451	22.5082
VGG16	4	180.479	247.926	37.2974
VGG16	8	346.619	485.44	67.6682
Mobilenetv1	1	3.98104	5.42775	0,926546
Mobilenetv1	2	7.27079	9.16058	1.35007
Mobilenetv1	4	14.4029	16.2505	2.37271
Mobilenetv1	8	29.1651	29,8381	3.75992
VGG16_SSD	1	125.948	143.412
VGG16_SSD	2	247.242	266,22
VGG16_SSD	4	488.377	510.978
VGG16_SSD	8	972.762	995.407
Mobilenetv2	1	3.78504	23.0066
Mobilenetv2	2	7.24622	65.9301
Mobilenetv2	4	13.7638	85.3893
Mobilenetv2	8	28.4093	131.669

Arm CPU -Benchmark

Maschine und Umgebung

CPU: Kirin 980
CPU: Snapdragon 652
CPU: Snapdragon 855
CPU: RK3399

• Umstände kompilieren: Android NDK Cross Compile ， GCC 4.9 ， Neon aktivieren
• Zeit: Aufwärmen 10 ， 10 Mal laufen, um die durchschnittliche Zeit zu erhalten
• HINWEIS: 1 、 SHUPFLENETV2 INT8 MODELL

Das Gegenstück von Anakin ist ncnn (20190320) . In diesem Benchmark testen wir ARMV7 ARMV8 auftretend

ARMV8 -Test

• ABI: ARM64-V8A

• Latenz ( ms ) one batch

Kirin 980	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	34.172	19.369	12.723	37.588	20.692	13.280	45.420	24.220	16.730	50.560	27.820	20.010
Mobilenet_v2	30.489	17.784	12.327	29,581	17.208	15.307	30.390	17.310	12.900
MOBILENET_SSD	71.609	37.477	28.952				88.220	70.070	66.430	103.700	85.160	85.320
resnet50	255.748	137.842	104.628				1299.480	695.830	498.010	243.360	131.100	89.800
SHUFFLENETV1	11.544	8.931	7.027				12.810	9.390	8.030
SHUFFLENETV2	11.687	7.899	5.321	20.402	11.529	9.061
Squeezenet	28.580	16.638	14.435
Googlenet	93.917	52.742	40.301	130.875	72,522	54.204

---

---

Snapdragon 855	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	32.019	19.024	10.491	34.363	20.292	10.382	37.110	22.310	13.520	47.430	28.350	15.830
Mobilenet_v2	28.533	17.455	10.433	24.487	15.182	9.133	25.060	15.970	11.250
MOBILENET_SSD	66.454	41.397	23.639				101.560	69.380	43.930	136.420	91.010	47.490
resnet50	201.362	132.133	78.300				1141.290	724.090	385.990	229.020	138.450	82.060
SHUFFLENETV1	10.153	7.101	5.327				11.610	8.020	5.870
SHUFFLENETV2	10.868	6.713	4.526	17.306	10.987	6.788
Squeezenet	25.880	16.134	9.697
Googlenet	85.774	54,518	34.025	118.120	73,686	41.865

---

---

Snapdragon 652	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	109,994	54.937	33.174	83,887	43.639	24.665	123.320	122.670	65.100	128.800	154.370	125.570
Mobilenet_v2	80.712	46.314	30.874	69.340	43,590	31.864	89.920	90.900	55.320
MOBILENET_SSD	246.459	121.684	134.019				248.190	138.170	142.350	247.020	145.080	211.000
resnet50	673.285	346.287	378.065				880.940	514.190		533.760	313.630
SHUFFLENETV1	34.948	26.635	21.571				39.950	25.520	20.180
SHUFFLENETV2	35,530	21.440	16.434	49.498	29.116	19.346
Squeezenet	87.037	47.192	28.663
Googlenet	268.023	148.533	95.624	236.492	131.510	81.561

---

---

RK3399	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	111.317	60.008		87.201	45.693		149.270	91.200		142.790	86.140
Mobilenet_v2	105.767	60.899		79.065	53.914		118.530	86.900
MOBILENET_SSD	232.923	128.337					268.900	157.860		256.560	149.730
resnet50	671.800	369.386					1029.300	571.230		569.250	344.830
SHUFFLENETV1	38.761	25.971
SHUFFLENETV2	36.220	22.095		51.879	30.351
Squeezenet	98.489	54,863
Googlenet	274.166	159.429		235.085	133.044

ARMV7 -Test

• ABI: Armveabi-V7a mit Neon

• Latenz ( ms ) one batch

Kirin 980	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	39.051	19.813	14.184	39.026	22.048	14.250	50.240	26.850	20.010	92.900	49.420	37.160
Mobilenet_v2	36.052	19.550	14.507	32.656	19.641	15.735	35.890	20.730	18.550
MOBILENET_SSD	83.474	44,530	33.116				99,960	53.160	84.360	180.000	91.380	68.140
resnet50	291.478	158.954	129.484				1412.37	766.62	560.760	355.010	189.18	133.410
SHUFFLENETV1	11.909	9.761	7.441				16.030	10.660	8.120
SHUFFLENETV2	11.755	7.983	6.289	21.968	14.111	9.888
Squeezenet	30.148	20.908	17.084
Googlenet	108.210	65.798	58.630	140.886	79,910	60.693

---

---

Snapdragon 855	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	34.015	20.064	11.410	42.222	21.532	11.746	41.150	24.870	18.420	79.180	48.470	24.530
Mobilenet_v2	30.742	18.507	11.354	24.628	15.133	9.079	30.060	19.220	15.520
MOBILENET_SSD	69.749	44.010	26.000				85.030	62.770	48.940	154.600	138.700	82.140
resnet50	218.581	146.509	92.899				1380.340	996.410	540.660	324.720	261.920	126.270
SHUFFLENETV1	11.032	7.430	5.369				13.390	9.270	6.360
SHUFFLENETV2	11.372	7.120	4.728	19.393	12.278	7.719
Squeezenet	27.860	17.538	10.729
Googlenet	100.719	69.509	49.021	127.982	83.369	50.275

---

---

Snapdragon 652	Anakin FP32			Anakin int8			NCNN FP32			Ncnn int8
	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread	1 Faden	2 Faden	4 Thread
mobilenet_v1	121.982	63.004	37.325	86.672	45,728	26.354	130.740	140.850	81.810	184.630	192.730	144.740
Mobilenet_v2	89.113	50.609	35.291	72.679	45,888	33.887	94.520	101.380	65,570
MOBILENET_SSD	236.466	132.293	86.335				270.630	295.520	174.280	350.640	286.420	243.850
resnet50	751.528	405.433	255.699				2762.890	1447.070	883.730	664.180	369.020
SHUFFLENETV1	36.883	23.718	15.144				53,660	33.450	23.330
SHUFFLENETV2	36.933	26.353	20.507	53.243	31.083	21.550
Squeezenet	92.748	51.936	33.027
Googlenet	296.092	179.542	125.509	242.505	140.083	89.646

---

---

RK3399	Anakin FP32		Anakin int8		NCNN FP32		Ncnn int8
	1 Faden	2 Faden	1 Faden	2 Faden	1 Faden	2 Faden	1 Faden	2 Faden
mobilenet_v1	116.981	65.033	87.768	47.617	155,830	98.520	201.800	116.440
Mobilenet_v2	118.229	70.567	83.790	55.413	126.530	90.930
MOBILENET_SSD	237.196	134.508			292.130	183,650	361.570	200.370
resnet50	725,582	413.995			2883.120	1632.800	702.660	404.970
SHUFFLENETV1	41.094	27.353
SHUFFLENETV2	37.660	23.489	53,558	32.122
Squeezenet	104.519	59.402
Googlenet	305.304	190.897	244.855	142.493

Dokumentation

Alles, was Sie brauchen, ist im Doc Index

Wir bieten auch englische und chinesische Tutorial -Dokumentation.

• Benutzerhandbuch

  Sie können das Arbeitsprinzip des Projekts, die C ++ - Schnittstellenbeschreibung und Code -Beispiele von hier erhalten. Sie können hier auch den Modellkonverter kennenlernen.

• Entwicklerleitfaden

  Vielleicht möchten Sie weitere Details von Anakin wissen und es besser machen. Weitere Informationen zum Hinzufügen von benutzerdefinierten Geräten und zum Hinzufügen von benutzerdefinierten Geräteoperatoren.

• Wie man beiträgt

  Wir schätzen Ihre Beiträge!

Fragen stellen

Sie können gerne Fragen und Fehlerberichte als GitHub -Probleme einreichen.

Urheberrecht und Lizenz

Anakin wird unter der Lizenz Apache-2.0 bereitgestellt.

Anerkennung

Anakin bezieht sich auf die folgenden Projekte:

• Kaffe
• Computelibrary
• Gemmlowp
• ncnn